yolov3整理自己的数据集和设置

1) 下载项目文件:
从百度网盘下载到darknet目录下并解压
链接:https://pan.baidu.com/s/1R-azYMOEwOZ5dQpfi2OMVQ
提取码:guk3
VOCdevkit_ball.tar.gz
visualization.tar.gz
testfiles.tar.gz
gen_files.py
gen_anchors.py
reval_voc.py
voc_eval.py
draw_pr.py
 
2)可选:建立目录格式
使用PACSAL VOC目录格式:
建立文件夹层次为 darknet / VOCdevkit / VOC2007
VOC2007下面建立两个文件夹:Annotations和JPEGImages
JPEGImages放所有的训练和测试图片,Annotations放所有的xml标记文件
3)生成训练和测试文件
执行
python gen_files.py  
在VOCdevkit / VOC2007目录下可以看到生成了文件夹labels ,同时在darknet下生成了两个文件
2007_train.txt和2007_test.txt。2007_train.txt和2007_test.txt分别给出了训练图片文件和测试图片文
件的列表,含有每个图片的路径和文件名。另外,在VOCdevkit / VOC2007/ImageSets/Main目录下生
成了两个文件test.txt和train.txt,分别给出了训练图片文件和测试图片文件的列表,但只含有每个图片
的文件名(不含路径和扩展名)。
labels下的文件是JPEGImages文件夹下每一个图像的yolo格式的标注文件,这是由Annotations的xml
标注文件转换来的。
最终训练只需要:2007_train.txt,2007_test.txt,labels下的标注文件和 VOCdevkit /
VOC2007/JPEGImages下的图像文件
4. 修改配置文件
1)新建data/voc.names文件
可以复制data/voc.names再根据自己情况的修改;可以重新命名如:data/voc-ball.names
2)新建 cfg/voc.data文件
可以复制cfg/voc.data再根据自己情况的修改;可以重新命名如:cfg/voc-ball.data
3)新建cfg/yolov3-voc.cfg
可以复制cfg/yolov3-voc.cfg再根据自己情况的修改;可以重新命名cfg/yolov3-voc-ball.cfg:
在cfg/yolov3-voc.cfg文件中,三个yolo层和各自前面的conv层的参数需要修改:
三个yolo层都要改:yolo层中的class为类别数,每一个yolo层前的conv层中的filters =(类别+5)* 3
例如:
yolo层 classes=1, conv层 filters=18
yolo层 classes=2, conv层 filters=21
yolo层 classes=4,conv层 filters=27

 

深度学习原理与实战教程： https://edu.51cto.com/sd/b5af5